季度和年度绩效自评，大概是每个技术人最头疼的时刻。尤其是天天跟需求、Bug 打交道的程序员和技术支持，明明干了不少活，落到纸上却只剩一句“完成日常开发，无重大故障”。说实话，这年头还在靠纯手写硬凑，多少有点亏。利用 AI 辅助提炼工作成果，已经是不少大厂同事心照不宣的做法了。国内用户想用上像 Claude 3.5 这类逻辑和语言组织能力都很强的大模型，通过像库拉（聚合多个前沿模型）这样的工具平台就能直接搞定，省去了折腾网络环境的麻烦。把日常的流水账快速整理成有亮点、有结构的绩效自评，其实没那么玄乎。

问题来了，绩效自评想写好，用 AI 辅助的话，模型和框架到底怎么选？

先看几个硬指标。效率上，传统手工打磨一份绩效自评，平均耗时要 2.5 小时；而用 Claude 配合一套清晰的提示词（比如 STAR 法则模板），从生成到微调基本 20 分钟就能收工，效率提升大约 86%。数据输入方面，单次提示词里最好塞进 3 到 5 个核心项目的里程碑、10 个以上的 Jira 工单记录，以及具体的量化指标，比如“响应时间缩短了 30%”。关键点在于模型适配度，在表达委婉、专业术语转化和逻辑结构化这几个维度上，Claude 3.5 的表现评分可以达到 9.2 分（满分 10 分），确实明显优于其他通用模型。

传统人工撰写与借助工具优化的差异，看下面这张图会更直观：

那么，具体怎么调教 Claude，才能避开那些坑？

很多技术人一上来就甩一句“帮我写一份开发工程师的绩效”，结果得到的回复全是正确的废话。问题的关键不在 AI，而在方法。这里有一套切实可行的路数，核心就是用好 STAR 法则。

第一步：先拿数据说话，别光顾着堆形容词。

准备素材时，脑子里只装下面这四样东西，别的修饰词一概不要：

Situation（情境）：旧版支付系统存在延迟问题。
Task（任务）：负责优化支付接口。
Action（行动）：采用 Redis 缓存优化，重构了数据库查询逻辑。
Result（结果）：接口响应时间从 250ms 降到了 80ms，上线至今资损率为 0。

第二步：给 Claude 一个明确的角色和指令。

直接套用这个提示词模板发给模型：

“你是一位互联网大厂的技术总监。请严格遵循 STAR 原则，将以下粗糙的工作记录润色成一份专业的绩效自评。要求语气客观，重点突出你的主动性和解决复杂问题的能力。多使用‘主导’、‘落地’、‘重构’、‘提升’这类强动词。保留所有具体数据，严禁编造任何虚假业绩。”

关于绩效自评，大家都关心的几个问题：

问题：AI 写出来的东西一股“AI 味”，主管一眼就能看出来，怎么办？
回答：这确实是关键。诀窍在于“个性化修正”。把 AI 生成的初稿当作骨架，手动删掉那些“砥砺前行”、“协同共建”之类的套话，替换成你们部门内部常用的技术术语，或者你个人的一些表达习惯。味道一下就对了。

问题：如果项目还没上线，手头没有最终的量化数据，该怎么写？
回答：别慌。可以从“效率提升”的角度切入，比如“沉淀了 2 个通用组件，预计能为后续同类需求节省 30% 的开发时间”。或者用“过程指标”来证明你的贡献，比如“按时交付率达到 100%，Code Review 过程中识别并解决了 5 个高危漏洞”。

话说回来，随着企业对人效比的关注度越来越高，绩效考核早已不是简单的“工作量罗列”，而是转向“业务价值交付”的评估。那些还在坚持记流水账的，在考核中往往很吃亏。核心思路其实就一条：技术人员要学会用商业价值和数据指标来包装技术产出。而 Claude 这类工具，恰好就是帮我们把晦涩的“技术语言”翻译成清晰的“商业语言”的一座桥梁。